Tudásalapú információkinyerés XML alapokon – IKF projekt

Nagy érték a gyors és pontos információ és az erre épülő tudás, ám a nagy dokumentumgyűjtemények szövegeinek információ-, esetleg tudáskinyerése igen összetett probléma — olvasható a 2004/5-ös TMT-ben. A probléma megoldására sok szoftver jelent meg, ám az elérhető kereskedelmi rendszerek valódi tudásintenzív megoldások hiányában nem adnak teljes megoldást. Egyrészt, mert az interneten található dokumentumok többsége vizuális megjelenítésre szánt jelölőnyelvek (pl. HTML) segítségével íródott, azonban automatizált gépi feldolgozáshoz olyan leírónyelv szükséges, amellyel egy dokumentum szemantikai struktúrája is leírható. Másrészt e rendszerek főként a modellgenerálásra törekszenek, így a megoldandó problémák összetettsége miatt tipikusan csak adatcentrikus forrásokat (pl. portáloldalak), vagy egyéb, a szoftvertől függő specifikus strukturális elemeket (mintákkal definiáló adatobjektumok — pénznem, dátum stb.) tudnak kezelni.
Ezt felismerve kínál megoldást az IKF (Information and Knowledge Fusion — Információ és Tudás Tárház) kutatási és fejlesztési projekt, melynek magyar konzorciumában többek közt a BME méréstechnikai és információs rendszerek tanszék is részt vesz. A kész IKF prototípusrendszer, mely jelenleg demonstrációs célokra, illetve a kutatási eredmények bemutatására szolgál — későbbiekben valós kereskedelmi bevetésre is szánják — komplex tudásalapú döntéstámogató rendszerként kíván majd működni azzal, hogy különböző típusú forrásokból (internet, intranet erőforrások, adattárházak stb.) való keresésre és az információ strukturált szolgáltatására egyaránt alkalmas. Mindehhez az SGML-ből létrehozott és egyre népszerűbb metanyelvet az XML-t, illetve a hozzá kapcsolódó DTD és XSLT technológiákat veszi igénybe, a magas szintű szolgáltatások megvalósításához pedig az ontológiákat használó tudásreprezentációt vezeti be. Az IKF moduláris felépítésű; a megfelelő tárgyterületi forrásmodellek, illetve általános heurisztikák alkalmazásával olyan XML outputot képes létrehozni — pl. portáloldalak híranyagából –, melyet egy nyelvi elemzőn végigfuttatva tudásra tehet szert a rendszer, vagyis tényleges szemantikai jelentéseket és összefüggéseket tud felismerni és tárolni. (ref.: Bíró Szabolcs)